网页抓取问题：如何提取<td>标签内的目标文本（排除子元素）

当标签包含多个子节点（文本+其他标签）时，.string会返回None——因为这个方法仅在标签有唯一子节点时才返回内容。要提取945.000，可以用以下几种方法（以BeautifulSoup为例）：

• 方法1：通过.stripped_strings获取首个文本片段
  .stripped_strings会遍历标签下所有非空白文本片段，直接取第一个即可：

  from bs4 import BeautifulSoup
  
  html = '<td>945.000 (<font color="blue">+3.000</font>)</td>'
  soup = BeautifulSoup(html, 'html.parser')
  td_tag = soup.find('td')
  target_text = next(td_tag.stripped_strings)
  print(target_text)  # 输出：945.000
  

• 方法2：通过.contents提取首个文本节点并处理
  .contents返回标签的直接子节点列表，第一个就是包含目标的文本节点，再拆分去掉多余字符：

  target_text = td_tag.contents[0].strip().split('(')[0].strip()
  print(target_text)  # 输出：945.000
  

• 方法3：合并所有文本后拆分
  先用.get_text()合并标签下所有文本，再按分隔符拆分提取目标：

  full_text = td_tag.get_text(strip=True)
  target_text = full_text.split('(')[0]
  print(target_text)  # 输出：945.000
  

内容的提问来源于stack exchange，提问作者Willl